基于DEA-Malmquist模型的 我国旅游产业效率特征及其演进模式研究

来源:用户上传      作者:

　　[摘 要]基于2000—2015年我國30省（市、自治区）的旅游产业发展数据，运用非参数DEA-Malmquist模型测算中国省际旅游产业综合技术效率、全要素生产率，分析中国旅游产业效率特征、全要素生产率时空变化特征以及各地区旅游产业效率演进模式。研究结果表明：我国旅游产业综合技术效率均值为0.562，旅游产业经营没有处在有效生产前沿面上;旅游产业全要素生产率年均增长4.2%，技术进步是旅游产业全要素生产率增长的主要驱动力;综合技术效率和全要素生产率均存在显著的时空差异性，但收敛趋势明显。依据综合技术效率大小和全要素生产率变动特征可将30省划分为4种类型，按照各地在四分位图中对应点的运动规律将其旅游产业效率演进模式归结为往复式、渐进式和突变式三种。各地可据此采取相宜对策以不断提高旅游产业效率，如增强旅游产业技术创新能力、引导旅游产业投资结构和投资方向的转变等。
　　[关键词]DEA-Malmquist模型;旅游产业;旅游效率;演进模式
　　[中图分类号]F59 [文献标识码]A [文章编号]1671-8372（2019）04-0034-09
　　Study on the efficiency characteristics and evolution pattern of China’s tourism industry based on DEA-Malmquist model
　　XU Cui-rong
　　（School of Tourism and Geography Science， Qingdao University， Qingdao 266071， China）
　　Abstract：Based on the data of China’s tourism industry development of China’s 30 provinces （cities and autonomous regions） from 2000 to 2015， the non-parametric DEA-Malmquist model was used to calculate the comprehensive technical efficiency and total factor productivity of China’s inter-provincial tourism industry， and analyze the efficiency characteristics of China’s tourism industry， the spatial-temporal variation characteristics of total factor productivity and the efficiency evolution pattern of tourism industry in various regions. The results show that the average comprehensive technical efficiency of China’s tourism industry is 0.562， and the tourism industry is not at the forefront of effective production; the total factor productivity of tourism industry grows by 4.2% annually， and technological progress is the main driving force of the growth of total factor productivity of tourism industry; and there are significant temporal and spatial differences between comprehensive technical efficiency and total factor productivity， but the trend of convergence is obvious. According to the comprehensive technical efficiency and the variation characteristics of total factor productivity， the 30 provinces can be divided into four categories， and according to the movement rules of the corresponding points in the quartile map， the evolution patterns of tourism industry efficiency can be classified into reciprocating， progressive and abrupt. Therefore， local governments can take appropriate measures to continuously improve the efficiency of tourism industry， such as enhancing the technological innovation ability of tourism industry， guiding the transformation of investment structure and direction of tourism industry.
　　Key words：DEA-Malmquist model; tourism industry; tourism efficiency; evolution model 　　改革开放以来，我国旅游产业不仅是国家创汇的重要方式，在拉动内需、改善民生、促进国民经济发展中也发挥着突出的作用。旅游产业的规模不断扩大，产业地位日益提升，已经成长为国民经济战略性支柱产业。在经济发展进入新常态的背景下，旅游产业的提质增效成为区域产业结构调整、新旧动能转换的核心问题之一。新经济增长理论和内生性增长理论认为，效率改善和技术进步是推动经济增长的重要因素，旅游产业也必须通过旅游发展效率的改进来突出其经济社会功能。在当前的经济背景下，旅游产业必须走内涵式发展道路，实现发展速度、质量和效益的统一，不断提高产业的竞争力，保持持续协调健康发展。当前我国旅游经济增长是单纯依靠旅游产业要素积累而实现的规模扩张，还是技术进步和技术效率驱动的结果？我国各地旅游产业效率和全要素生产率是否存在显著差异，各地区旅游产业效率的演进规律是怎样的？为回答上述问题，本文使用数据包络分析（Date Envelopment Analysis， DEA）和非参数Malmquist指数法实证检验我国旅游产业效率及全要素生产率，并对其演进规律进行分析。
　　一、相关文献述评
　　经济增长理论认为，要素增加或者全要素生产率提高都可推动经济增长。国内外学者对宏观及中观层面的经济增长及全要素生产率的研究起步较早。如Lau对中国工业部门全要素生产率进行了研究[1];Kalirajan对中国农业的生产率、技术进步及技术效率进行了分析和测算[2]。国内彭国华对中国地区收入差距、全要素生产率及其收敛性进行了分析[3];曹跃群对我国第三产业全要素增长情况进行了分析和检验[4]。在旅游研究领域，国外学者对旅游产业效率的研究多以具体某一类型的旅游企业作为研究对象，集中在旅游酒店、旅行社、机场等效率的研究上。如Morey&Dittman運用数据包络分析法（DEA）对美国酒店的经验效率及其影响因素进行了评价[5]。Ramo’n运用DEA方法对西班牙旅行社效率进行了评价和研究[6]。Assaf运用随机前沿分析法和DEA方法对亚太地区的酒店业进行了评价和比较[7]。从国内的研究来看，胡宇娜运用DEA方法，分别对中国旅游企业中的三大组成部分景区、酒店、旅行社进行了实证检验和评价，认为我国酒店企业综合效率最好，旅行社最差[8]。除了对旅游企业效率的研究，我国学者还对旅游产业效率、城市旅游效率、沿海地区旅游效率等给予了较多的关注。如顾江、胡静创建了旅游生产效率模型，对中国分省区旅游生产效率进行了评价[9];左冰、保继刚以1992—2005年的数据为依据，对中国旅游产业全要素生产率及其省际差异进行了分析和评价[10];马晓龙、保继刚对中国城市旅游效率及其影响因素的演化进行了研究[11];陶卓民等运用DEA方法对我国旅游产业整体效率的动态变化特征以及影响因素进行了分析[12];赵磊利用非参数DEA-Malmquist指数法测算了中国2001—2009年的省际旅游全要素生产率，认为中国各地区旅游全要素生产率差距正在缩小，最终收敛于稳态均衡水平[13];刘佳、陆菊、刘宁运用数据包络分析方法对我国沿海地区的旅游产业效率进行了测度，结果显示，沿海地区旅游产业综合效率整体上呈现螺旋状上升态势[14]。张广海等研究了我国旅游产业集聚与旅游全要素生产率之间的关系[15]。
　　可见，国内外学者对分类型旅游企业经营效率以及全要素生产率变化进行了较多的研究，这些研究着重测度了旅游效率的大小，分析了影响效率的因素，但对于我国各地旅游产业效率的差异特点、发展规律尤其是动态演进模式的研究关注较少，这正是本文研究的切入点。
　　二、研究设计
　　（一）方法选择
　　DEA方法是Charnes于1978年提出的一种非参数效率评价方法，主要运用运筹学原理及数学规划模型，对决策单元进行相对有效性评价的一种分析方法。Charne、Cooper等提出了基于规模报酬不变的DEA-CCR模型，然而，这一假定并不符合经济发展的实际情况，因为实际生产个体往往存在规模报酬变动。之后，Banker、Charnes扩展了DEA-CCR模型，提出了DEA-BCC模型。DEA-BCC模型基于规模报酬可变的假设，可将综合技术效率（TE）分解为纯技术效率（PTE）和规模效率（SE），可以更科学地衡量不同规模报酬生产个体的相对效率值。DEA模型可以分为投入导向和产出导向，投入导向指特定产出水平下使投入最小化，产出导向是指特定投入下产出量最大化。本研究采用产出既定条件下的投入导向模式，以及规模报酬可变的DEA-BCC模型。具体如下：
　　假定有n个独立的评价单元DMU，在本文中即指全国30个省（市、自治区），不含西藏、香港、澳门和台湾。每个决策单元DMU j（j=1，2，…n）都有m种旅游投入（i=1，2，…，m）和s种旅游产出（r=1，2，…，s），用xij代表第j个决策单元第i种投入量，yrj表示第j个决策单元第r种投入量，则DEA-BCC模型为：
　　 （1）
　　式1中，为所测度的我国旅游产业综合技术效率值（TE），为权重变量，为松弛变量，为剩余变量，为非阿基米德无穷小，;当且时，表明该省旅游产业效率为DEA有效，当时，表明该省旅游产业非DEA有效。
　　为进一步反映被评价单元的动态效率变化情况，本文采用Malmquist指数对我国旅游全要素生产率进行测度。DEA-Malmquist纳入时间维度，以最优生产边界为标准，测算了各期全要素生产率变化值（TFPCH）。该方法的数学表达式为：
　　（2）
　　式2中，（）和（）分别代表t与t+1期的投入和产出的集合，测量了相对前一期而言，t+1期效率的变化，测量了以t+1期最优生产边界为参照时，从t到t+1期生产活动技术效率的变化。M表示生产点（）相对于点（）的效率变动。M值大于1说明对应于前一期，本期内所研究的单元其旅游产业全要素生产率是提高的;M值小于1表明对应于与前一期，本期旅游全要素生产率降低;M值等于1，表示对应于前一期，本期旅游产业全要素生产率保持不变。 　　（二）数据选取
　　本文选取2000—2015年我国30省（市、自治区）为研究对象，运用旅游产业投入和产出的跨期面板数据来测算旅游产业综合技术效率和全要素生产率。选取年末旅游产业从业人数和旅游企业固定资产原值作为旅游产业的投入变量，旅游企业营业总收入指标表示旅游产业的产出变量，以此来测度并描述旅游产业综合技术效率及旅游全要素生产率，分析其时序变动、空间差异及其动态变化规律。相应指标统计数据来源于《中国旅游统计年鉴》及中华人民共和国国家统计局网站。另外，对旅游企业固定资产原值及旅游企业营业总收入两个变量以2000年为基期进行了价格平减，从而消除价格因素，保证数据的可比性。
　　三、研究结果
　　（一）旅游产业总体效率特征
　　1.旅游产业综合技术效率特征
　　利用DEAP2.1软件，计算2000—2015年我国旅游产业指标效率（表1）。从全国来看，我国旅游产业在2000—2015年旅游产业综合技术效率最高值出现在2009年，为0.746，最低值是2006年，为0.314，平均综合效率值为0.562，总体处于较低水平，即各年份的产出效率与生产前沿面还有较大差距。从时间变化趋势来看，我国旅游产业综合技术效率波动明显，2006年是历年最低水平，这与陶卓民等人的研究结果一致[12]。这可能是由于2008年奥运会带来的巨大商机，给旅游产业带来了大规模投资，而此时产出还未大量增加，短期内降低了旅游综合技术效率。值得注意的是2013—2015年，全国旅游产业各项效率指标有较大幅度的下降。这可能是由于近年来我国旅游产业发展引起各方投资的关注，旅游小镇、文化旅游综合体、主题公园等大量的旅游项目吸引了社会资本。这些大规模投资主要用于旅游景区开发，改善旅游环境和旅游接待条件，但由于建设周期较长，有一些还没有获得丰厚的收益，短期内降低了综合技术效率。此外，这些旅游投资相对集中于我国东部沿海省市，造成局部旅游投资过剩，形成了资源的闲置和浪费，导致了总体旅游效率的下降。从纯技术效率值和规模效率值来看，2000—2015年各年份的旅游产业纯技术效率值均小于规模效率值。意味着和规模效率相比，我国旅游产业纯技术效率较低，提高纯技术效率可以显著提高旅游产业综合技术效率。
　　2.全要素生产率变化特征
　　2000—2015年全国旅游产业全要素生产率指数均值为1.042，即每年增加4.2%，呈现上升趋势。其中，技术效率变化均值为0.968，技术进步变化均值为1.076，每年增加幅度为7.6%，表明技术进步是旅游产业全要素生产率提高的主要驱动力。从旅游产业发展的实际情况来看，近15年间，旅游企业更加注重对以互联网以及可视技术为代表的技术创新，推动了旅游产业全要素生产率的稳步提升。2000—2015年，全国旅游产业纯技术效率变化和规模效率均值变化都小于1，表明纯技术效率、规模效率在这十几年中略有降低，旅游投入与产出没有处在规模报酬递增的区间。主要原因可能是近年来旅游投資集中在东部经济和旅游产业发达的省份，导致局部旅游投资过剩，整体规模报酬递减。总体来看，由于技术进步变化带来的增长效应超过了纯技术效率变化和规模效率变化的衰减效应，研究期内，旅游产业全要素生产率仍以4.2%的速度稳步增加。其中旅游产业全要素生产率小于1的年份有2002年、2003年、2013年、2014年、2015年。分析发现，2002技术进步变化指数的降低影响了旅游产业全要素生产率的提高，2003年旅游产业全要素生产率受SARS的影响，当年的旅游接待量大幅下降导致既定投入下产出降低，旅游产业全要素生产率也随之下降。2013—2015年，技术进步变化大于1，技术效率变化小于1，但由于技术进步变化带来的旅游产业全要素生产率的上升没有抵消技术效率变化带来的下降，致使近3年来旅游产业全要素生产率不断下降。
　　（二）旅游产业效率的省际差异
　　1.旅游产业综合技术效率的省际差异
　　将各省份作为独立决策单元，计算其历年旅游产业效率指标，分析我国旅游产业综合技术效率的省际差异和区域特征。从计算结果来看（见表2），2000—2015年，上海、北京、广东的综合技术效率分别为0.946、0.833、0.782。平均综合技术效率大于0.7的省份为江苏、浙江、福建、重庆，除重庆外，均位于东部。四省份的经济相对发达，旅游产业发展水平较高，综合技术效率较高，但并没有达到生产前沿面，仍然存在提升空间。综合技术效率值小于0.4的省份为河北、内蒙古、吉林、甘肃、青海，说明这些省份旅游效率较低，在现有的投入条件下应该有更多的旅游产出，存在巨大的发展潜力。从地域比较来看，综合技术效率东部地区的最高，为0.680，中部地区为0.577，西部地区为0.484，东北地区为0.423，说明旅游产业综合技术效率从东到西基本呈现梯度递减态势。纯技术效率的分布特征和综合技术效率一致，说明综合技术效率主要是受纯技术效率的影响，提高技术的应用效率可以有效提高旅游产业综合技术效率。
　　2.全要素生产率变化的省际差异
　　由表2可知，2000—2015年，河北、河南、宁夏3省份的全要素生产率负增长，技术进步变化均大于1，但是河南、河北纯技术效率变化小于1，影响了全要素生产率的提高，而宁夏的技术效率变化和规模效率变化都是负增长，说明宁夏在旅游企业创新、旅游技术应用方面滞后于发达省份，旅游产业投入资源未达到最佳规模状态，技术效率和规模效率均下降共同拉低了全要素生产率水平。其余省份全要素生产率变化均大于1，为正增长。上海的技术效率变化为1，技术进步变化为1.088，说明技术效率保持不变，全要素生产率变化主要受技术进步变化的驱动。辽宁、福建、广西、青海技术效率变化和技术进步变化均大于1，说明其旅游产业全要素生产率的增长归因于技术效率提高和技术进步变化的双重驱动。除上述省份之外的其余省份技术效率负增长，技术进步正增长，技术进步变化的正效应超过了技术效率变化的负效应，全要素生产率仍然是逐年增长的发展态势。从东、中、西、东北四大区域的全要素生产率指标均值来看，四大区域整体全要素生产率在2000—2015年呈现正增长趋势，分别为年均增长4.04%、3.15%、4.8%、5.43%。西部地区和东北地区的增长速度高于东部地区和中部地区，这可以用后发优势理论来解释。后发优势理论认为，后发地区因其相对落后而拥有特殊利益。东部发达地区旅游企业拥有较高的技术水平，技术创新只能依赖于自身，投入大，周期长。而后发地区在技术水平上存在较大差距，通过技术引进、技术模仿创新可以较快地促进本地技术进步，减少了研发的时间和资本投入，节约了创新成本。 　　（三）我国旅游产业全要素生产率收敛性分析
　　本文通过标准差来分析我国旅游产业全要素生产率的收敛性。因变异系数可以克服平均收入规模的影响，用变异系数来进一步验证其收敛性。计算历年旅游产业全要素生产率指数的均值、标准差、变异系数等相关描述性统计指标值，并绘制标准差和变异系数折线图（见图1）。由图1可见，2001—2008年，省域旅游产业全要素生产率标准差呈现震荡态势，变异系数变动趋势与标准差变动趋势基本一致，标准差和变异系数在波动中具有减小趋势，2006—2008年，收敛趋势明显。2008—2015年，标准差和变异系数表现出显著的收敛特征。这表明，整体而言，我国旅游产业全要素生产率表现为不同速率的增长趋势。同时，伴随着幅度逐渐减小的局部波动，我国旅游产业全要素生产率指数的标准差和变异系数均呈现下降态势，且降速逐渐平稳。这表明，随着我国旅游产业全要素生产率均值的稳步提高，各省全要素生产率的绝对差异和相对差异均逐渐下降，即随时间呈收敛趋势，各省旅游产业全要素生产率的区域差异逐渐减小。
　　（四）地区类型分析
　　各省份旅游产业效率评价指标主要包括综合技术效率大小以及全要素生产率的变化程度。依据这两个维度做出四分位图，将30省（市、自治区）按照旅游效率的状态进行划分。本文将省（市、自治区）综合技术效率均值作为横坐标效率大小的临界值;因MI>1表示全要素生产率提高，MI<1表示全要素生产率下降，所以将1作为纵坐标“效率变化”的临界值。据此，将各省（市、自治区）按照效率状态分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四种类型（见图2）。
　　1.Ⅰ型，旅游效率较低，且全要素生产率下降。如云南，对应坐标为（0.268，0.557），表明研究期内，其旅游效率较低，且和前一期相比，全要素生产率也有较大幅度下降。由于云南旅游产品体系单一、智能化服务落后，在研究期内没有采取有效措施， 致使旅游接待量下降，旅游效率较低，全要素生产率下降。
　　2.Ⅱ型，旅游效率较低，但全要素生产率增长。如吉林，对应坐标为（0.258，1.076）。该省虽然旅游效率不高，但与前一期相比，全要素生产率增长明显。吉林旅游产业发展基础相对薄弱，但分析期内吉林通过增加人员等要素配置，加强技术引进，使旅游接待和旅游收入实现了较快增长，全要素生产率有较大幅度提高。
　　3.Ⅲ型，旅游效率较高，且全要素生产率保持增长。如上海，对应坐标为（1，1.131），该市旅游效率较高，且与前一期相比，全要素生产率增长。上海作为我国经济发达、旅游产业发达地区，在技术创新方面走在各省（市、自治区）的前沿，旅游产业组织方式先进、技术效率较高，因此分析期内在既定投入下，旅游产出水平较高，处于生产前沿面，全要素生产率保持较高增长态势。
　　4.Ⅳ型，旅游效率较高，但全要素生产率下降。如北京，对应坐标为（0.672，0.965）。北京旅游产业较为发达，旅游效率较高，但分析期内由于旅游资本投入加大，旅游从业人员增加，但企业营业收入却没有相应的增长，因此全要素生产率相比前一期有所降低。
　　（五）演进模式分析
　　通过对2000—2015年我国30省（市、自治区）旅游产业综合技术效率及全要素生产率的分析发现，基于旅游产业效率状态的区域类型不断变化，参考梁明珠，易婷婷等人的研究[16]，将我国不同省域旅游效率演进模式分为往复式、渐进式和突变式三种（见表3）。
　　1.往复式，综合技术效率大小和全要素生产率变化方向在两个象限反复变化，对应的坐标点在如图2所示的相邻两个象限来回移动。往复式演进模式的省份为北京、天津、山西、吉林、黑龙江、江苏、甘肃、青海、宁夏、新疆。其中，北京、天津、江苏经济基础好，旅游产业发达，其对应坐标点在Ⅲ型和Ⅳ型往复运动，3省份旅游产业效率相对较高，可能是由于外部因素变动或者偶然性事件导致其全要素生产率发生一定波动。山西、吉林、黑龙江、甘肃、青海、宁夏、新疆7省基本属于我国西部地区和东北地区，其对应的坐标点在Ⅰ型和Ⅱ型之间往复移动，7省经济欠发达、旅游产业基础薄弱，旅游产业效率低于全国平均水平，旅游产业全要素生产率会因对新技术的引进和利用，旅游产业要素组织方式、资源配置方式的变化而呈现出上升或下降的波动趋势。
　　2.渐进式，综合技术效率大小和全要素生产率变化趋势相对规律，其对应的坐标点在各象限规律渐进移动。内蒙古、上海、福建属于此类。其中，内蒙古由Ⅱ型渐进移动到Ⅰ型，旅游产业综合技术效率较低，旅游产业全要素生产率先升后降，长期以来经济基础落后，2000—2009年新旅游目的地的开发使旅游接待量有较大提高，旅游投资有较好的回报，全要素生产率逐年提高;但近几年来，由于产品类型单一，旅游产业在面临游客增加的压力下，资源配置、创新技术服务方面落后，致使旅游产业全要素生产率逐年下降。上海和福建分别由第Ⅳ、Ⅰ、Ⅱ型渐进移动到Ⅲ型，说明两地旅游产业综合效率高，旅游产业全要素生产率也逐年提高，旅游产业发展质量向好，旅游经济趋向内涵式增长。
　　3.突變式，综合技术效率大小不稳定，全要素生产率变动趋势没有规律，对应的坐标点在3个甚至4个象限内无规律移动。河北、山东、浙江、广东、海南、安徽、江西、河南、湖北、湖南、重庆、四川、贵州、云南、陕西、广西、吉林属于此类模式，虽然这些省份的旅游经济实力和地区经济基础差异较大，旅游发展情况各异，但其共同的特征是旅游经济发展不稳定，旅游效率变动幅度较大，全要素生产率也因要素投入水平、相关产业发展、旅游企业技术进步、偶然事件等原因导致波动幅度较大。
　　四、结论与讨论
　　本文采用DEA-Malmquist方法分析了2000—2015年我国旅游产业发展效率特征、全要素生产率变动特征、省际差异以及各地区旅游产业效率的演进模式。具体结论如下：
　　1.我国旅游产业效率总体特征表现为，旅游产业综合技术效率波动明显，全要素生产率变化呈现上升趋势。综合技术效率平均值为0.562，总体处于较低水平;全国旅游产业全要素生产率变化均值为1.042，即以每年4.2%的增幅保持增长;技术进步变化均值为1.076，表明技术进步是旅游产业全要素生产率提升的主要驱动力。2013—2015年，全国旅游产业综合技术效率、纯技术效率和规模效率各项效率指标有较大幅度的下降;旅游产业全要素生产率出现负增长。原因是近几年旅游投资增长较快，旅游项目投资建设周期较长，旅游投入还没有转化为相应的产出。另外，旅游投入过于集中于东部沿海省份也带来沿海地区旅游投资冗余，中西部地区投资不足，且技术开发、新技术利用不充分，影响了全国旅游产业综合技术效率和全要素生产率的提高。 　　2.从旅游产业综合技术效率的省际差异来看，平均综合技术效率大于0.7的省份绝大部分位于东部地区，上海、北京、广东位列前三甲，旅游产业发展效率最高。从东、中、西、东北地区来看，东部地区的综合技术效率最高，东北地区最低。旅游产业综合技术效率自东向西呈现梯度递减趋势，纯技术效率的空间分布特征和综合技术效率一致，说明综合技术效率主要是受纯技术效率的影响。30省（市、自治区）中，河北、河南、宁夏3省平均旅游产业全要素生产率为负增长，其余省份的为正增长。四大区域全要素生产率在研究期内均呈现正增长趋势，西部地区和东北地区增长速度高于东部地区和中部地区。
　　3.运用标准差和变异系数对省域旅游全要素生产率进行收敛性检验，结果发现，省域旅游产业全要素生产率标准差呈现先震荡后收敛趋势，2008—2015年标准差和变异系数表现出显著的收敛特征。伴随着幅度逐渐减小的局部波动，我国旅游产业全要素生产率指数的标准差和变异系数均呈现下降态势。
　　4.依据综合技术效率大小以及全要素生产率的变化程度两个维度做出四分位图，将各省按照效率状态分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四种类型。Ⅰ型为旅游效率较低，且全要素生产率下降的地区，这类地区旅游产业发展落后，且发展缺乏活力;Ⅱ型为旅游效率较低，但全要素生产率有增长的地区，这类地区旅游产业发展较落后，但旅游经济保持增长，具有发展活力;Ⅲ型为旅游效率较高，且全要素生产率保持增长的地区，这类地区多为我国旅游产业发达，技术创新在处于前列，能够引领我国旅游产业发展的地区;Ⅳ型为旅游效率较高，但全要素生产率下降的地区，这类地区旅游产业较为发达，但由于技术创新或者资源管理、组织管理等方面存在问题，全要素生产率下降。
　　5.我国不同省份的旅游效率演进模式分别为往复式、渐进式和突变式三种。往复式演进特征表现为区域旅游效率大小和效率变化方向在两个象限反复变化，10省（市、自治区）属于此类演进模式。渐进式演进特征表现为区域旅游综合技术效率大小和全要素生产率变化趋势相对规律，其对应的坐标点在各象限规律渐进移动，3省（市、自治区）属于此类。突变式演进特征表现为旅游综合技术效率和全要素生产率对应坐标点在4个象限内无规律变动，全国有17个省（市、自治区）属于这种类型。这些省份旅游经济实力差异较大，但共同的特征是旅游经济发展不稳定，旅游效率变动幅度较大，全要素生产率也因要素投入水平、相关产业发展、旅游企业技术进步等因素导致波动幅度较大。
　　根据实证研究结果，为促进中国旅游产业发展，提出如下建议：
　　1.中国旅游经济增长方式要改变以要素投入、规模发展为驱动的粗放型增长方式，转换为以内生效率驱动的集约型发展模式。技术效率、技术进步是中国旅游经济增长的主要驱动力量，因此，要着眼于技术进步的创新投入，提升技术进步水平，提高技术利用效率。充分利用现代企业管理手段，加强旅游企业主体合作，合理配置资源，优化人力资本结构，建立先进技术推广机制，推动先进技术和管理手段在旅游企业中的广泛应用，不断提高旅游产业全要素生产率水平，推动我国旅游产业可持续发展。
　　2.因地制宜，积极引导投资结构和投资方向的转变，缩小东、中、西、东北地区的资本配置差距，提高资本的产出效率。东部地区以技术进步、技术创新提高资源利用效率;中西部地区改善投资环境，引导东部地区资金、人才流向中西部，加强技术引进，鼓励企业跨区域扩张和联合，以企业为载体推动技术交流和合作。积极开发中西部旅游资源，提高资源的利用效率。加强区域协作，加强不同省域之间旅游产业在信息、技术、人才方面的交流与合作，形成优势互补、相互促进的区域旅游协作关系，实现资源、技术等产业要素的共享，有效提高我国旅游产业的整体效率水平。
　　3.基于旅游效率演进模式和规律，不同类型的地区，应因地制宜发展。Ⅰ型地区旅游产业欠发达，旅游投入不足，增长乏力，应通过增加旅游基础设施投入、快速扩大产业规模，利用后发优势，引进和学习发达地区的先进经验和技术，推动旅游效率从Ⅰ型演进到Ⅱ型;甚至可以借助于特殊事件，快速提升地区旅游形象，以突变式发展由Ⅰ型直接发展到Ⅲ型。Ⅱ型地区旅游产业应在稳定发展的前提下，扩大要素投入，引进先进技术，改进管理水平，提高旅游吸引力，使旅游效率稳定增长，渐进发展到Ⅲ型。Ⅲ型地区往往是旅游产业发展成熟地区，应采取前瞻性措施，加快技术创新，积极改进管理体制和机制，提高资本利用率，防止旅游发展陷入停滞期，转变为Ⅳ型。Ⅳ型地区旅游产业效率高，但全要素生產率下降，因此，应优化旅游产业结构，加快供给侧改革，加大技术创新力度，提升技术进步水平，实现区域旅游经济稳中有进地发展。
　　[参考文献]
　　Lau K， Brada J.Technological progress and technical efficiency in Chinese industrial growth：C  frontier production function approach[J]]. China Economic Review，1990（1）：113—124.
　　Kalirajan K P， Obwona M B，Zhao S.A decomposition of total productivity growth：the case of Chinese agricultural growth before and after reforms[J].American Journal of Agricultural Economics，1996，78：331—338.
　　彭国华.中国地区收入差距、全要素生产率及其收敛分析[J].经济研究，2005（9）：19—29.
　　曹跃群，唐静.第三产业全要素生产率增长及其收敛性分析[J].山西师范大学学报，2010，32（6）：52—58. 　　Morey R C， Dittman D A. Evaluating a hotel GM's performance： a case study in benchmarking[J]. Cornell Hospitality Quarterly， 1995， 36（5）： 30—35.
　　Ramo’n  F. Efficiency of travel agencies：a case study of Alicante，Spain [J].Tourism Management，2011， 32（1）： 75—87.
　　Assaf A，Barros CP，Josiassen A.Hotel efficiency：a bootstrapped metafrontier approach[J].International Journal of Hospitality Management，2012，31（2）：621—629.
　　胡宇娜，梅林，陈妍中国三大旅游行业效率时空差异分析[J].地理科学，2017（3）：386—393.
　　顾江，胡静.中国分省区旅游生产效率模型创建与评价[J].同济大学学报（社会科学版），2008（4）：93—98.
　　左冰，保继刚.1992—2005年中国旅游产业全要素生产率及省级差异[J].地理学报，2008，63（4）：417—427.
　　马晓龙，保继刚.基于DEA的中国国家级风景名胜区使用效率评价[J].地理研究，2009，28（3）：838—848.
　　陶卓民，薛献伟，管晶晶.基于数据包络分析的中国旅游产业发展效率特征[J].地理学报，2010，65（8）：1004—1012.
　　赵磊.中国旅游全要素生产率差异与收敛实证研究[J].旅游学刊，2013，28（11）：12—23.
　　劉佳，陆菊，刘宁.基于DEA-Malmquist模型的中国海洋地区旅游产业效率时空演化、影响因素与形成机理[J].资源科学，2015（12）：2381—2393.
　　张广海，汪立新.我国旅游产业集聚与全要素生产率关系研究[J].商业研究 ，2016，62 （11） ：186—192.
　　梁明珠，易婷婷，Bin Li.基于DEA—MI模型的城市旅游效率演进模式研究[J].旅游学刊，2013（5）：53—62.
　　[责任编辑 张桂霞]
转载注明来源:https://www.xzbu.com/4/view-15118058.htm